基于流行病时间序列的动态复杂网络建模、估计和鲁棒随机控制

本项目根据流行病基因多元时间序列数据建立动态复杂网络模型，并利用鲁棒滤波技术、随机分析工具和牵制控制的思想对所建复杂网络系统进行动态分析、性能综合和数值模拟。..在项目执行过程中，主要研究内容涉及基因微阵列图像的分割算法、基因网络的建模/稳定性分析/镇定/鲁棒估计、生物布尔网络的同步分析、神经网络动力学分析及其应用、复杂耦合网络的同步、耦合多智能体的一致性、传感网络的分布式状态估计、二维复杂网络系统的同步与状态估计、非线性随机复杂系统的分析/滤波/控制等十个方面。具体来讲，首先，基于多层感知机和Kohonen网，本项目利用Matlab中的AnaLogic细胞神经网络仿真工具包给出了新的分割算法，改进了微阵列图像数据分析的过程，得到了更好的提取信号。其次，探讨了基因网络模型中不确定性的量化处理和网络的状态估计问题，通过对四类真实的微阵列时间序列数据进行仿真发现：所设计的H_2估计器在处理短数、高维的基因表达时间序列的建模和估计问题时具有较强的能力。进一步，本项目研究了基因网络的全局指数稳定性和镇定问题，并给出了精确的指数收敛速率。随后，基于布尔网络在分析基因调控的行为和功能方面所具有的重要作用，我们研究了驱动–响应切换布尔网络的部分同步和完全同步问题，并分析了布尔控制网络特定部分节点的可控性，所得结果通过生物实例得到了验证。最后，针对具有不确定耦合和不完全信息的非线性混杂耦合复杂网络，通过牵引控制、脉冲控制等控制方案，探讨了系统的聚类同步、渐近行为、事件触发同步控制等问题，简单明了地刻画了网络单个节点的动力学、网络的拓扑结构以及不确定信息的统计特征对网络行为的影响。..到目前为止，本项目已取得了一些有创新特色、国际领先的研究成果，在国际重要学术刊物接受和发表论文49篇：其中SCI收录37篇，EI收录10篇。初步统计在SCI刊物他引150余次，从引文中可以看到本项目对动态基因网络的估计、鲁棒控制和随机动力学分析这一领域的贡献受到了同行的充分肯定。在项目执行过程中，指导在站博士后2人、硕士研究生9人、博士研究生5人（1位获得“江苏省优秀硕士学位论文”）。项目主持人入选2012年度教育部“新世纪优秀人才支持计划”，获得第九届“中国青年女科学家奖”，2014年荣获首届汤森路透中国引文桂冠奖“高被引科学家奖”，连续入选2014年、2015年中国高被引学者榜单(计算机科学领域）。